Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CALIFICACIÓN: _________________
UNIVERSIDAD POLITÉCNICA DE MADRID
ESCUELA TÉCNICA SUPERIOR DE INGENIEROS DE
TELECOMUNICACIÓN
Palabras clave
i
ii PALABRAS CLAVE
A mi madre.
Índice general
Resumen I
Palabras clave I
Agradecimientos XV
Glosario XVII
1. Introducción 1
1.1. Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Estructura de la memoria . . . . . . . . . . . . . . . . . . . . 2
2. Fundamentos teóricos 5
2.1. Introducción al sistema LTE . . . . . . . . . . . . . . . . . . . 5
2.1.1. Principios básicos de transmisión: OFDM . . . . . . . . 7
2.1.2. Esquema de transmisión en LTE . . . . . . . . . . . . . 11
2.2. Canal multitrayecto . . . . . . . . . . . . . . . . . . . . . . . . 13
2.3. Planificación y adaptación de tasa . . . . . . . . . . . . . . . . 16
2.3.1. Adaptación al enlace: control de potencia vs. control
de tasa . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2. Planificación dependiente del canal . . . . . . . . . . . 18
2.3.3. Esquemas avanzados de retransmisión . . . . . . . . . . 20
2.4. Transmisión con múltiples antenas . . . . . . . . . . . . . . . . 22
2.4.1. Múltiples antenas en recepción . . . . . . . . . . . . . . 23
2.4.2. Múltiples antenas en transmisión . . . . . . . . . . . . 25
2.4.3. Multiplexación espacial . . . . . . . . . . . . . . . . . . 26
2.4.3.1. Descomposición en valores singulares . . . . . 29
2.4.3.2. Multiplexación espacial basada en matrices
de precodificación . . . . . . . . . . . . . . . . 31
2.5. Realimentación del estado del canal . . . . . . . . . . . . . . . 34
2.5.1. Informes de canal aperiódicos . . . . . . . . . . . . . . 36
v
vi ÍNDICE GENERAL
3. Simulador LTE 43
3.1. Estructura del simulador . . . . . . . . . . . . . . . . . . . . . 43
3.1.1. Proceso de simulación . . . . . . . . . . . . . . . . . . 44
3.1.2. Parámetros característicos de simulación . . . . . . . . 45
3.2. Generación de los coeficientes de canal . . . . . . . . . . . . . 46
3.2.1. Pruebas del modelo de canal SCM . . . . . . . . . . . . 50
3.3. Distribución inicial de usuarios en la célula LTE . . . . . . . . 53
3.4. Cálculo de la SINR instantánea . . . . . . . . . . . . . . . . . 53
3.4.1. Caso 1: Diversidad en transmisión y recepción . . . . . 55
3.4.2. Caso 2: Multiplexación espacial . . . . . . . . . . . . . 56
3.5. Realimentación de valores de CQI . . . . . . . . . . . . . . . . 56
3.5.1. Matriz RI . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.6. Planificación de usuarios . . . . . . . . . . . . . . . . . . . . . 61
3.6.1. Planificador proportional-fair . . . . . . . . . . . . . . 62
3.6.1.1. Descripción detallada del proceso de planifi-
cación con el PF . . . . . . . . . . . . . . . . 63
3.6.1.2. EESM . . . . . . . . . . . . . . . . . . . . . . 67
3.6.1.3. ACM, MCS . . . . . . . . . . . . . . . . . . . 69
3.6.1.4. Cálculo de la BLER asociada a cada formato
de transmisión . . . . . . . . . . . . . . . . . 69
3.6.1.5. HARQ . . . . . . . . . . . . . . . . . . . . . . 71
3.6.1.6. Multiplexación espacial en el planificador . . . 72
3.6.2. Planificador round-robin . . . . . . . . . . . . . . . . . 73
3.6.3. Planificador max-C/I . . . . . . . . . . . . . . . . . . . 74
4. Resultados obtenidos 77
4.1. Parámetros de entrada usados . . . . . . . . . . . . . . . . . . 77
4.2. Post-procesado . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2.1. Datos contenidos por las simulaciones . . . . . . . . . . 81
4.2.2. Obtención de la tasa de datos . . . . . . . . . . . . . . 82
4.2.3. Nubes de throughput . . . . . . . . . . . . . . . . . . . 83
4.2.4. Tablas de tasa de datos . . . . . . . . . . . . . . . . . . 89
4.3. Simulaciones realizadas . . . . . . . . . . . . . . . . . . . . . . 95
4.3.1. Tanda A . . . . . . . . . . . . . . . . . . . . . . . . . . 96
4.3.2. Tanda B . . . . . . . . . . . . . . . . . . . . . . . . . . 100
4.3.3. Tanda C . . . . . . . . . . . . . . . . . . . . . . . . . . 104
4.3.4. Tanda D . . . . . . . . . . . . . . . . . . . . . . . . . . 107
ÍNDICE GENERAL vii
ix
x ÍNDICE DE FIGURAS
xiii
xiv ÍNDICE DE TABLAS
Agradecimientos
xv
xvi AGRADECIMIENTOS
fuera. ¡y lo que nos queda aún! Conoceros fue como volver a vivir la entrada
en la Universidad y he de decir, que no pierdo la esperanza de que, más
pronto que tarde coincidamos todos, en tiempo y en espacio, en una estación
de esquí.
Gracias a Jorge, una de las persona más positivas y afables que he co-
nocido en la escuela. Siempre has conseguido sacarnos una sonrisa a todos
cuando más falta hacía.
Gracias a Álvaro Gandhi (y esposa), por esa gran amistad que se for-
jó en nuestros primeros años de carrera, que tantos grandes momentos que
nos ha dado y que mantenemos, aunque académicamente nuestros caminos
se separasen hace ya años. Gracias a los clubes de la escuela en general y
a la Delegación de Alumnos en particular por permitirme desarrollar mis
inquietudes al margen de lo meramente académico.
Gracias a Rober, Alberto, Marta, Xurxo, Rodrigo y José por todos los
buenos momentos que hemos pasado juntos desde que entramos en la escuela
y por todos los viajes que hemos hecho, ¡que no son pocos!
Gracias a todas las personas que con su esfuerzo y dedicación han hecho,
y hacen posible, una enseñanza pública de calidad.
Glosario
2G Segunda Generación
3G Tercera Generación
3GPP Third Generation Partnership Project
4G Cuarta Generación
5G Quinta Generación
AMC Adaptive Modulation and Coding
ARQ Automatic Repeat Request
BLER Block-Error Rate
BS Base Station
CDF Cummulative Distribution Function
CQI Channel Quality Indicator
CP Cyclic Prefix
4G Channel-State Information
DFT Discrete Fourier Transform
DFTS-OFDM DFT-Spread OFDM
DL Downlink
DVB Digital Video Broadcasting
EESM Exponential Effective SINR Mapping
eNodeB E-UTRAN Node B
E-UTRAN Evolved UTRAN
FDD Frequency-Division Duplex
FDMA Frequency-Division
FDMA Frequency-Division Multiple Access
FEC Forward Error Correction
GPRS General Packet Radio Service
GSM Global System for Mobile Communications
HSDPA High-Speed Downlink Packet Access
HSPA High-Speed Packet Access
IDFT Inverse DFT
IP Internet Protocol
4G Incremental Redundancy
xvii
xviii GLOSARIO
Introducción
1
2 CAPÍTULO 1. INTRODUCCIÓN
1.1. Objetivos
Desarrollar en lenguaje Matlab un simulador completamente funcional
que tenga en cuenta los fenómenos de propagación debidos al multitra-
yecto y su incidencia en el canal, de tal manera que se pueda realizar
una planificación de usuarios (scheduling) basada en la información más
real y precisa posible.
Realizar un gran número de simulaciones para asegurar que la infor-
mación extraída de dichas simulaciones sea realista.
Caracterizar dicha información y crear con ella una “interfaz” que per-
mita a las herramientas de planificación de la compañía Aptica benefi-
ciarse de los resultados sin necesidad de realizar esas simulaciones como
parte de la planificación radio. La idea esencial es que de las simula-
ciones realizadas se extraen una serie de resultados tabulados que las
herramientas de la empresa Aptica (Sirenet, Xirio) simplemente leen,
lo que permite que la planificación se más rápida.
Fundamentos teóricos
5
6 CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.1: Evolución de las comunicaciones móviles desde los años 90 hasta
la actualidad [1]
Tasa de datos. Los servicios con requisitos de tasa de datos baja, co-
mo los servicios de voz, son esenciales y suponen una gran parte de los
recursos utilizados en una red de Comunicaciones Móviles, sin embar-
go, son los servicios con requerimientos de altas tasas de transmisión
de datos los que condicionan el diseño de la interfaz radio. Servicios
como la navegación web, streaming de audio o vídeo y transferencia de
ficheros, han empujado la capacidad de los sistemas de Comunicacio-
nes Móviles desde apenas algunos kbps (en 2G) o Mbps (en 3G), hasta
las decenas de Mbps en las tecnologías bajo el paraguas 4G. Se espera
que en los próximos años se llegue a cientos de Mbps, incluso se están
empezando a sentar las bases de los sistemas 5G, para los cuales se
quieren alcanzar tasas del orden de Gbps.
Como las subportadoras son ortogonales entre sí, pueden ser teóricamente
transmitidas sin que se produzcan interferencias entre ellas. Sin embargo, en
un canal con dispersión temporal, esta ortogonalidad se ve en parte reducida.
La solución a este problema pasa por inserta un prefijo cíclico (CP, Cyclic
Prefix), sin embargo, esta cuestión está fuera del ámbito de este PFC, por lo
que se invita al lector a seguir las referencias bibliográficas para obtener más
información.
En la Figura 2.6(b) se puede ver uno de los aspectos más interesantes de
un esquema de transmisión OFDM como el que usa LTE. Una de las caracte-
rísticas de los canales multitrayecto, tan típicos en comunicaciones móviles,
es su selectividad y variabilidad en frecuencia. En la Figura 2.6(a) se puede
2.1. INTRODUCCIÓN AL SISTEMA LTE 11
ver una señal clásica de banda ancha como la que se usa en sistemas UMTS.
Se puede intuir que la señal tras pasar por el canal representado va a quedar
tremendamente distorsionada. Sin embargo, en una señal OFDM, como el
ancho de banda de las subportadoras es muy pequeño, es posible suponer
que la respuesta en frecuencia del canal es constante en el rango de frecuen-
cias asociado a cada subportadora. Como en LTE se puede planificar a los
usuarios en tiempo y frecuencia, asignando a cada usuario los recursos ade-
cuados (a decidir por el planificador), estos pueden encontrarse con canales
virtualmente “planos” en el rango de frecuencias asignado (realmente cada
recurso puede ser “plano” y a cada usuario se le pueden asignar múltiples
recursos de este tipo, no necesariamente contiguos). Cada usuario puede ser
planificado en una cantidad variable de subportadoras; esto se puede ver en
la Figura 2.7. Nótese que sólo se hace mención al canal descendente que,
como se ha dicho, es el más relevante para este PFC.
son muy rápidas. Este fenómeno es uno de los que se trata de simular con
precisión para que la información con la que se realiza la planificación sea lo
más realista posible.
veer a la estación base de informes de estado del canal, que incluyen una
medida de la calidad instantánea del canal en el enlace descendente, tanto en
el dominio del tiempo como de la frecuencia. El estado del canal se obtiene
midiendo sobre señales de referencia transmitidas en el enlace descenden-
te. Basándose en estos informes del estado del canal, también conocidos como
Channel-State Information 6 (CSI), el planificador puede asignar recursos de
transmisión en el enlace descendente a los distintos terminales, considerando
la calidad reportada del canal en las decisiones de planificación. En principio,
el planificador puede asignar cualquier combinación de RB, de 180 kHz en
cada intervalo de 1 ms.
Proportional Fair.
Max-SINR.
Round-Robin.
6
Compuestos en LTE por el RI, PMI y CQI. Se verá en apartados posteriores.
20 CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Chase combining.
Con Chase combining (Figura 2.16), las retransmisiones son todas iguales.
El receptor usa una técnica MRC para combinar cada bit recibido (de todas
2.3. PLANIFICACIÓN Y ADAPTACIÓN DE TASA 21
Con IR (Figura 2.17) cada retransmisión no tiene por qué ser idéntica al
original. En su lugar, se generan múltiples juegos de bits codificados repre-
sentando cada uno el mismo conjunto de bits de información. Cuando una
retransmisión es efectuada, lo normal es que se codifique de forma diferen-
te a las retransmisiones previas. El receptor combina esta retransmisión con
los distintos intentos previos para el mismo paquete. Como la retransmisión
puede contener bits adicionales de paridad que no fueron incluidos en las
retransmisiones previas, la tasa de codificación resultante normalmente se
reduce con cada retransmisión. Además, tanto el número de bits de paridad,
como el esquema de transmisión usado para la retransmisión no tienen por
qué ser iguales al original. En este punto se puede comprobar que Chase com-
bining es un caso particular de IR. La implementación típica de IR consiste
en realizar la primera transmisión con una tasa de codificación baja, que se
va aumentando en la sucesivas retransmisiones. Con IR cada retransmisión
supone un aumento de la Eb /N0 y de la ganancia por codificación.
HARQ con combinación, independientemente de si se usa Chase combi-
ning o IR, supone una reducción implícita de la tasa de datos debido a las
retransmisiones y por tanto puede ser vista como una especie de adaptación
“implícita” al canal. Sin embargo, al contrario que con la adaptación explí-
22 CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
3 4
C nr S
= log2 1 + · = (2.10)
BW NL N
A B
nr S
= min(nt , nr ) · 1 + · . (2.11)
min(nt , nr ) N
De la Eq. (2.13) se puede deducir que cuanto más cerca esté la matriz H
de ser singular, más ruido se encontrará a la hora de demodular.
Hay casos en los que no va ser posible utilizar NL canales espaciales:
los valores λ2i son los autovalores de la matriz HH∗ y de H∗ H [4]. Es im-
portante resaltar que hay nmin valores singulares. Se puede reescribir la SVD
como n Ø
min
H= λi ui vi ∗ , (2.17)
i=1
å := V∗ x,
x (2.18)
å := U∗ y,
y (2.19)
å := U∗ w,
w (2.20)
y
å = Λx
å + w,
å (2.21)
es muy simple. La Ec. (2.21) representa el canal original (2.14) con la entrada
y la salida expresada respecto a estos nuevos sistemas de coordenadas.
La capacidad de este canal MIMO es, por tanto:
nØ
A B
min
Pi∗ λ2i
C= log 1 + bits/s/Hz, (2.23)
i=1 N0
q
de tal forma que i Pi∗ = P . Cada λi se corresponde con un “automodo” del
canal (también se le puede llamar “autocanal”). Cada “autocanal” distinto
de cero puede ser usado para transmisión de un flujo independiente de datos,
lo que supone que un canal MIMO pueda soportar múltiples flujos de datos.
En la Figura 2.23 queda representada la arquitectura de un canal de co-
municaciones basado en SVD (Aunque se muestra un elemento denominado
“AWGN coder”, no es estrictamente necesario para usar SVD).
Cuatro puertos de antena y una, dos, tres y cuatro capas, que se co-
rresponden con matrices de precodificación de tamaño 4 x 1, 4 x 2, 4 x
3 y 4 x 4 respectivamente.
las transmisiones del canal de control PDSCCH (usando los valores re-
comendados de RI y PMI) fuesen realizadas con una tasa de error de
bloque en la primera transmisión no mayor al 10 %. El motivo de enviar
un índice de CQI en vez de un valor (por ejemplo de SINR), es porque
de esta forma, se consigue independencia entre las distintas implemen-
taciones posibles para los receptores (dependiendo del fabricante, por
ejemplo). Asimismo, basar la realimentación del canal en informes de
CQI en vez de SINR, simplifica el “testeo” del terminal: un terminal
recibiendo con una tasa de error de bloque superior al 10 % con los
parámetros de modulación y codificación indicados por el CQI fallaría
el test. Hay diferentes modalidades en lo referente a la realimentación
del estado del canal mediante CQI que serán detalladas más adelante.
Figura 2.29: Bandas simétricas definidas por el 3GPP para LTE [1]
Figura 2.30: Bandas no simétricas definidas por el 3GPP para LTE [1]
Figura 2.32: Bandas especificadas para LTE por encima de 1 GHz según
bandas de frecuencia de la ITU [1]
Figura 2.33: Bandas especificadas para LTE por debajo de 1 GHz según
bandas de frecuencia de la ITU [1]
42 CAPÍTULO 2. FUNDAMENTOS TEÓRICOS
Figura 2.34: Ejemplo de como se puede realizar una migración paso a paso
de cualquier sistema a LTE en una banda concreta de frecuencias [1]
Capítulo 3
Simulador LTE
43
44 CAPÍTULO 3. SIMULADOR LTE
Nombre del
Descripción Valores usados Explicación
parámetro
Número de ele-
Se considera que una esta-
mentos de ante-
NumBsElements 1, 2 ción pase puede tener 1 ó 2
na en la estación
antenas
base
Siempre se escoge dos. De-
pendiendo del número de
Número de ele-
elementos de antena de la
mentos de ante-
NumMsElements 2 estación base el sistema fun-
na en el terminal
cionará con multiplexación
de usuario
espacial o como un sistema
MRC
La dispersión del retardo
multitrayecto con la opción
Entorno de si- “urban_macro” es mayor.
mulación (desde De entre las opciones dis-
“urban_micro”,
Scenario el punto de vis- ponibles, estas dos son las
“urban_macro”
ta del multitra- que producen los casos ex-
yecto) tremos: 0, 17ηs para el ca-
so micro y 0, 65ηs en el caso
macro
Intervalo de 2 muestras por
SampleDensity muestreo para el cada media lon-
canal gitud de onda
Número de ca-
minos multitra- Valor por defecto. Es consi-
NumPaths 6
yecto considera- derado suficiente
dos en el sistema
Valores razonables para es-
Frecuencia cen- No hay restric- te parámetro serían los com-
CenterFrequency
tral ciones prendidos entre 0, 8 GHz y 5
Ghz
Seleccionar esta función im-
plica el uso de la versión im-
plementada en lenguaje C
Computación
AnsiC_core Sí de las funciones del modelo
optimizada
SCM. Implica una gran me-
jora en términos de tiempo
de computación
3.2. GENERACIÓN DE LOS COEFICIENTES DE CANAL 49
h1,1 · · · h1,b e−2jπf1 τ1 · · · e−2jπfb τ1
. .. .. .. .. ..
..
= .
Hn,b . . =
= Cn,d . .
hn,1 · · · hn,b e−2jπf1 τd · · · e−2jπfb τn
(3.2)
c1,1 · · · c1,d e−2jπf1 τ1 · · · e−2jπfb τ1
. . . . .. .. ... ..
..
= .
. .
cn,1 · · · cn,d e−2jπf1 τd · · · e−2jπfb τn
es el de combinación.
En este caso SINR1_instantk,n,b = SINRk · H1k,n,b
3.5.1. Matriz RI
La matriz RI (rank indicator) es el mecanismo que usa el simulador LTE
para simular el comportamiento derivado de la realimentación de valores de
RI que existe en el sistema LTE. Tiene unas dimensiones de n × b donde n
es el índice temporal y b el índice frecuencial.
La función de la matriz RI es almacenar información sobre si en un ins-
tante determinado, para una sub-banda determinada, al usuario se le debe
transmitir usando multiplexación espacial o no.
Recordemos que en el apartado 3.4 se describían dos métodos diferen-
tes para el cálculo de la SINR instantánea: que el sistema use multiple-
xación espacial o alguna técnica de combinación. En el citado apartado
se indicó que realizaban y almacenaban ambos cálculos. El motivo de es-
to es el indicador RI. Para decidir si en un instante determinado se ha de
transmitir a un usuario usando 1 ó 2 capas espaciales, se calcula de forma
tentativa el throughput alcanzable en ambas modalidades mediante el pro-
ceso indicado a continuación una vez conocidas ambas SINR instantáneas
(SINR1_instantk,n,b y SINR2_instantmm,k,n,b ), tal y como se ha indicado en
los subapartados 1 y 2 del apartado 3.4:
TDAsu
Pus = æ (3.7)
Ru
donde:
1 æ 1
Rç
u (t) = (1 − ) · Ru (t − 1) + · TDRu (t − 1) (3.8)
τ τ
donde, para un usuario u, Rç æ
u (t) es la tasa de datos filtrada, Ru (t − 1)
es la tasa de datos filtrada en el instante anterior y TDRu (t − 1) es la
tasa de datos real en el instante anterior. τ es el tiempo de respuesta
del filtro, fijado en 500 muestras. Teniendo en cuenta que cada muestra
temporal equivale a 2 ms, τ = 1s.
CQI Parámetro β
0 5
1 5.01
2 5.01
3 0.84
4 1.67
5 1.61
6 1.64
7 3.87
8 5.06
9 6.4
10 12.59
11 17.59
12 23.33
13 29.45
14 33.05
15 33.41
Figura 3.14: Curvas que muestran valores de BLER para un CQI y una
SINR dada [6]
3.6.1.2. EESM
El algoritmo exponential effective SIR mapping (Exp-ESM o EESM) es
una técnica empleada para evaluar el rendimiento de sistemas con múltiples
portadoras. Inicialmente, este método fue propuesto para ser empleado para
el cálculo de valores de signal-to-interference ratio (SIR), pero también es
68 CAPÍTULO 3. SIMULADOR LTE
Para realizar el cálculo del párrafo anterior, se han interpolado las curvas
de la Figura 3.14 para tener un total de 27 curvas (correspondientes a los 27
valores de MCS) que se correspondan con 27 valores de BLER. Así mismo, se
han obtenido una familia de 27 rectas que aproximan las curvas de la Figura
3.14 (una vez interpoladas linealmente).
La aproximación ha sido hecha de la siguiente manera:
1 2
BLERSINR,MCS = min 1, 10(−1−pdte·(SINR01−SINR+∆·(MCS−1))) (3.17)
donde
SINR01 = −6.934.
3.6.1.5. HARQ
donde υ = 0.2, que es la mejoría cuantificada por inspección de las curvas que
consideran HARQ respecto de las que no lo consideran en [7]. Dicha mejoría
no es constante, pero se toma un valor medio aproximado. En la Figura 3.16
se muestra la gráfica de la que se obtiene el valor de υ.
72 CAPÍTULO 3. SIMULADOR LTE
6
Vectorizada se refiere a que estos valores se guardan es estructuras de tipo vector en
Matlab, lo que simplifica la operación con estos valores.
3.6. PLANIFICACIÓN DE USUARIOS 73
u = mod(t − 1, U ) + 1 (3.19)
con t ≥ 1 y donde:
Resultados obtenidos
77
78 CAPÍTULO 4. RESULTADOS OBTENIDOS
4.2. Post-procesado
Para poder obtener conclusiones, es necesario “dar forma” a todos los da-
tos que se obtienen de las distintas simulaciones realizadas. En este apartado,
dedicado al post-procesado, se explica el proceso por el cual los datos brutos
de miles de simulaciones se transforman en valores interpretables, sobre los
que sea posible trabajar para buscar resultados.
Es importante mencionar que el post-procesado es un proceso con dos
etapas claramente diferenciadas:
Matriz de planificación.
Figura 4.1: Visión general del proceso de post-procesado, así como de las
diferentes etapas que lo componen
symb_int
Rbps = numsubport · numRB · · RbpS · koverhead (4.1)
long_int
donde:
Tasa media de datos obtenida para cada una de las simulaciones re-
presentadas por valores concretos de los dos primeros vectores. Ha sido
descrita en el apartado 4.2.2.
Para procesar esta información, se crean unos vectores auxiliares que de-
finen las distintas áreas de cálculo (los mencionados bins), lo que puede ser
visto en la Figura 4.12.
SINRmáx − SINRmín
SINR = · SINRbin + SINRmín
SINR bins (4.4)
= k1 · SINRbin + SINRmín
σSINRmáx − σSINRmín
σSINR = · σSINRbin + σSINRmín
σSINR bins (4.5)
= k2 · σSINRbin + σSINRmín
Podemos hallar tanto k1 como k2 (que pueden ser vistos como factores de
conversión) sustituyendo en las expresiones anteriores lo siguientes valores:
10 − (−4)
SINRmáx = 10dB SINRmín = −4dB SINR bins = ≈ 40bins
0.35
12 − 0
σSINRmáx = 12dB σSINRmín = 0dB σSINR bins = ≈ 34bins
0.35
Finalmente se obtienen las siguientes expresiones que relacionan una mag-
nitud en “bins” con su valor real:
4.2. POST-PROCESADO
σ
93
Tabla 4.3: Tabla con los valores de desviación típica (σ) de throughput
94
(en bps) para los valores de SINR de la Tabla 4.2
Los valores usados para cada grupo de 1000 simulaciones dentro de una
tanda son los mostrados en la Tabla 4.4.
Una vez explicado esto, se indican a continuación las tandas de simula-
ciones realizadas con los resultados (en “bruto”) obtenidos usando el post-
procesado basado en análisis de media y desviación típica, según se indicó en
los apartados 4.2.3 y 4.2.4.
96 CAPÍTULO 4. RESULTADOS OBTENIDOS
4.3.1. Tanda A
Este conjunto de simulaciones se caracteriza por tener la siguiente confi-
guración común:
Planificador: PF
SINR
Num. Sim. Num. Sim. Throughput BLER
Grupo media
Realizadas Analizadas (Mbps) media
(dB)
A-1 1039 1036 34.91 3.56 0.4064
A-2 1032 1028 34.36 3.48 0.5049
A-3 992 983 57.33 11.49 0.3689
A-4 1000 994 58.97 11.42 0.4216
A-5 1014 1013 33.45 3.58 0.3959
A-6 1000 996 34.05 3.32 0.4327
A-7 1220 1161 57.31 11.47 0.3743
A-8 653 644 59.49 11.24 0.3874
3
Una teoría que podría explicar dicha corrupción, es que esta se produzca en la memo-
ria del ordenador a causa del efecto denominado bit flipping, en el que bits aleatorios en
posiciones de memoria pueden cambiar instantáneamente su valor. Es un efecto que rara-
mente ocurre con uso normal de un ordenador, pero en uno que está constantemente en
marcha manejando cantidades ingentes de datos llega a ser un fenómeno no despreciable.
La solución a este problema viene dada por el empleo de memorias de acceso aleatorio
(RAM) con tecnología de detección y corrección de errores (Error Checking & Correction
- ECC).
98 CAPÍTULO 4. RESULTADOS OBTENIDOS
Aunque parezca inicialmente que los valores obtenidos de BLER son ele-
vados, se trata de valores de BLER en primera transmisión. Tras varias
retransmisiones, mediante la técnica de combinación HARQ, lo más probable
es que los valores de BLER se viesen reducidos a valores de en torno al 20 %.
Para un valor de CQI dado, el 3GPP especifica que la tasa de error de bloque
asociada a ese valor ha de ser como máximo del 10 % sin embargo se trata
de un valor muy conservador y no necesariamente óptimo. En la práctica
las mayores tasas de transmisión se consiguen permitiendo un mayor BLER
en la comunicación, como por ejemplo se indica en [15], donde vemos que
para un canal AWGN la tasa óptima de transmisión se obtiene con un BLER
objetivo del 15 %. Para otros tipos de canal este valor crece apreciablemente.
Por otro lado, volviendo a la Figura 4.14, se observa una dependencia
del throughput no sólo con la SINR, sino también con la desviación típica
de la SINR de los usuarios de la simulación (eje y). Es una dependencia
menos marcada que con la media (las bandas de colores están más alineadas
con el eje y que con el x). Esto es lógico, teniendo en cuenta cómo funciona
el PF: más desviación típica implica más oportunidades de que haya SINR
instantáneas altas, y estas son las que se eligen al planificar. Este efecto
también se puede ver en las Tandas C y D, que también usan un planificador
PF. Si se usa un planificador RR, este efecto es mucho menos marcado.
4.3.2. Tanda B
Este conjunto de simulaciones se caracteriza por tener la siguiente confi-
guración común:
Planificador: RR
SINR
Num. Sim. Num. Sim. Throughput BLER
Grupo media
Realizadas Analizadas (Mbps) media
(dB)
B-1 1018 1012 26.75 2.41 0.3701
B-2 996 998 27.08 3.59 0.3734
B-3 1164 1157 48.97 11.51 0.3746
B-4 1036 1031 49.37 11.59 0.3729
B-5 998 992 19.84 3.55 0.3690
B-6 997 993 20.18 3.63 0.3728
B-7 1041 1033 35.93 11.45 0.3852
B-8 995 992 54.37 11.44 0.3795
La Tabla 4.7 muestra los resultados obtenidos del análisis de todos los
grupos de la Tanda B. Los patrones vistos en el análisis de la Tanda A
siguen presentes aquí: el principal parámetro que hace variar el throughput
obtenido es la SINR media de los usuarios existentes en el área de cobertura
de la estación base.
Se aprecia que el BLER es ligeramente menor en comparación con el ob-
servado en los resultados de la Tanda A (también, aunque en menor medida,
respecto de los resultados de la Tanda C y la D). No es un efecto suficiente-
mente acusado como para indicar que haya un factor subyacente fácilmente
identificable (y significativo de cara al análisis) que produzca dicho compor-
tamiento.
Comparando los resultados de la Tanda B con los de la Tanda A queda
claro que los valores de throughput obtenidos son menores. Esto es esperable
debido a que ya no se cuenta con la ganancia por planificación que sí se tenía
con el planificador PF.
La Tabla 4.8 muestra las diferencias entre los throughputs obtenidos en
las Tandas A y B para los mismos escenarios. Se puede ver una disminución
de throughput de aproximadamente 10 Mbps entre los distintos lotes de si-
mulaciones, salvo para los dos últimos. En estos la diferencia es del el doble
102 CAPÍTULO 4. RESULTADOS OBTENIDOS
Tabla 4.8: Comparativa entre el throughput medio obtenido por cada grupo
de simulaciones de las Tandas A y B
Throughput Throughput
Grupo ThA − ThB
Tanda-A (Mbps) Tanda-B (Mbps)
1 34.91 26.75 8.16
2 34.36 27.08 7.28
3 57.33 48.97 8.36
4 58.97 49.37 9.60
5 33.45 19.84 13.61
6 34.05 20.18 13.87
7 57.31 35.93 21.38
8 59.49 54.37 5.12
4.3.3. Tanda C
Este conjunto de simulaciones se caracteriza por tener la siguiente confi-
guración común:
Planificador: PF
SINR
Num. Sim. Num. Sim. Throughput BLER
Grupo media
Realizadas Analizadas (Mbps) media
(dB)
C-1 1014 1014 26.25 3.48 0.3708
C-2 1017 1017 24.73 3.52 0.4894
C-3 1013 1012 42.03 11.57 0.3781
C-4 1014 1014 46.11 11.56 0.4298
C-5 1014 1014 25.06 3.33 0.3394
C-6 1015 1015 27.47 3.61 0.3949
C-7 1014 1014 40.67 11.65 0.3982
C-8 1014 1014 45.83 11.60 0.3859
Throughput Throughput
Grupo ThA − ThC
Tanda-A (Mbps) Tanda-C (Mbps)
1 34.91 26.25 13.16
2 34.36 24.73 9.63
3 57.33 42.03 15.03
4 58.97 46.11 12.86
5 33.45 25.06 8.39
6 34.05 27.47 6.58
7 57.31 40.67 16.64
8 59.49 45.83 13.66
madamente favorables. En el caso que se transmite con dos flujos espaciales suele haber
uno totalmente predominante en cuanto a tasa alcanzada. Se recuerda al lector que la
metodología empleada para decidir en número de flujos espaciales usados para transmitir
a un usuario en un TTI determinado está descrita en el apartado 3.5.1.
106 CAPÍTULO 4. RESULTADOS OBTENIDOS
4.3.4. Tanda D
Este conjunto de simulaciones se caracteriza por tener la siguiente confi-
guración común:
Planificador: PF
SINR
Num. Sim. Num. Sim. Throughput BLER
Grupo media
Realizadas Analizadas (Mbps) media
(dB)
D-1 1009 1007 33.77 3.50 0.4015
D-2 1009 1006 33.23 3.46 0.5104
D-3 1020 1008 59.13 11.53 0.3713
D-4 1010 1007 61.53 11.66 0.4159
D-5 1006 1000 32.33 3.53 0.3906
D-6 1011 1011 33.36 3.36 0.4303
D-7 1009 1005 59.08 11.29 0.3768
D-8 1006 1001 61.78 11.37 0.3821
(es importante recordar que en la Tanda-D los valores de E[σDS ] están inter-
cambiados entre escenarios con respecto a la Tanda-A). No es una diferencia
abultada, pero es existente.
Una posible explicación a que en entornos con mayor dispersión del retar-
do multitrayecto se obtenga más throughput, es que un aumento del retardo
multitrayecto implica menos ancho de banda de coherencia, por tanto van a
existir más variaciones en frecuencia. Esto produce que aumenten los máxi-
mos en frecuencia, que es lo que aprovecha el PF a la hora de planificar.
Throughput Throughput
Grupo ThA − ThD
Tanda-A (Mbps) Tanda-D (Mbps)
1 34.91 33.77 1.14
2 34.36 33.23 1.13
3 57.33 59.13 -1.8
4 58.97 61.53 -2.56
5 33.45 32.33 1.12
6 34.05 33.36 0.69
7 57.31 59.08 -1.77
8 59.49 61.87 -2.38
4.3. SIMULACIONES REALIZADAS 109
5.1. Conclusiones
Durante la realización de este Proyecto Fin de Carrera se ha consegui-
do implementar un simulador del enlace descendente de un sistema LTE, el
cual es capaz de simular con precisión el comportamiento de un canal mul-
titrayecto. Esto ha permitido, a su vez, analizar el comportamiento de dicho
enlace descendente cuando una estación base transmite a distintos usuarios.
Finalmente se han obtenido tasas de datos representativas en función de la
distribución de usuarios en la célula y para distintos parámetros de entrada
del canal.
El simulador consta de un total aproximado de 1200 líneas de código
Matlab en 12 archivos diferentes. El tiempo aproximado para escribir sus
diferentes componentes hasta llegar a su versión actual1 ha sido de 6 meses
(se estiman 480 h de trabajo). El número total de simulaciones realizadas as-
ciende a 32000 (varios cientos más contando pruebas), el tiempo aproximado
que han tardado en realizarse ha sido de unos 5 meses (durante los cuales se
ha tenido al menos un PC en modo de operación 24/7, por tanto 4320 h).
Se ha tenido éxito en cuanto a la consecución del objetivo final: se han
sentado las bases para la obtención de las tablas que se pretenden integrar
1
Disponible en el grupo GTIC - Radiocomunicaciones.
111
112 CAPÍTULO 5. CONCLUSIONES Y LÍNEAS FUTURAS
Por una parte, está todo el trabajo realizado en el desarrollo del simu-
lador para incluir las distintas características del sistema LTE.
[1] Erik Dahlman, Stefan Parkvall, and Johan Skold. 4G: LTE/LTE-
advanced for mobile broadband. Academic Press, 2013.
[3] Stefania Sesia, Issam Toufik, and Matthew Baker. LTE: the UMTS long
term evolution. Wiley Online Library, 2009.
[6] Xiaowen Li, Qianjun Fang, and Liuwei Shi. A effective SINR link to
system mapping method for CQI feedback in TD-LTE system. In Com-
puting, Control and Industrial Engineering (CCIE), 2011 IEEE 2nd In-
ternational Conference on, volume 2, pages 208–211, Aug 2011.
117
118 BIBLIOGRAFÍA
[10] Jari Salo, Giovanni Del Galdo, Jussi Salmi, Pekka Kyösti, Marko Milo-
jevic, Daniela Laselva, and Christian Schneider. Matlab implementation
of the 3GPP spatial channel model (3GPP tr 25.996). on-line, Jan, 2005.
[12] Y.W. Blankenship, P.J. Sartori, B.K. Classon, V. Desai, and K.L. Baum.
Link error prediction methods for multicarrier systems. In Vehicular
Technology Conference, 2004. VTC2004-Fall. 2004 IEEE 60th, volu-
me 6, pages 4175–4179 Vol. 6, Sept 2004.
[14] 3GPP. Spacial channel model for Multiple Input Multiple Output
(MIMO) simulations. TR 25.996, 3rd Generation Partnership Project
(3GPP), June 2007.
[15] Tao Cui, Feng Lu, Vignesh Sethuraman, Anil Goteti, Subramanya PN
Rao, and Parvathanathan Subrahmanya. Throughput optimization in
high speed downlink packet access (HSDPA). Wireless Communications,
IEEE Transactions on, 10(2):474–483, 2011.
[16] Javier Alonso, Luis Mendo, and Jesús Silveira. Simulation of schedu-
ling gains in LTE. XXIX Simposium Nacional de la Unión Científica
Internacional de Radio, 2014.
Anexo 1: Artículo para URSI
2014
119
Simulation of scheduling gains in LTE
Jesús Javier Alonso Sánchez(1) , Luis Mendo Tomás(1) , Jesús Silveira(2)
jjalonso@grc.ssr.upm.es, lmendo@grc.ssr.upm.es, jesus.silveira@aptica.es
(1)
Dpto. de Señales, Sistemas y Radiocomunicaciones. Universidad Politécnica de Madrid.
Avenida Complutense n 30, “Ciudad Universitaria”. 28040 - Madrid (Spain)
(2)
Aptica S.L. Avda. de la Albufera, 321. Planta 5 - Oficina 10. 28031 - Madrid (Spain)
Abstract— This paper describes the implementation of an LTE The target of this paper is to describe an LTE simulator
downlink simulator that is able to precisely model the fast time capable of deploying a multi-user scenario involving one
and frequency variations existing in a multipath channel. This is BS transmitting to different users. The simulator is able to
decisive to properly simulate the gains achievable by the channel-
dependent scheduling LTE is capable of. The aim of this study is accurately characterize all the propagation effects, mainly
to investigate the relationship between the throughput achieved multipath propagation, so the scheduler can exploit the benefits
by a base station and parameters of active users in the cell (such of a fast time and frequency changing channel.
as SINR or speed). The ultimate goal is to obtain a model that The ultimate goal of this whole project is to find a “link”
can predict throughput as a function of a few selected parameters between the BS throughput and a reduced set of relevant users’
that characterize users’ conditions. A proportional fair scheduler
is used because of its ability to maximize the BS throughput while parameters such as speed, signal-to-interference-plus-noise
preventing user starvation. Some conclusions are drawn on the ratio (SINR), etc. so that the BS throughput could be obtained
main parameters affecting the BS throughput based on results just by knowing the values of those relevant parameters. High
obtained so far. level LTE design suites could take advantage of these results
and apply them in their inner calculations without performing
I. I NTRODUCTION low-level link simulations, hence improving accuracy whilst
Within the past two decades, the evolution of mobile com- keeping computational expenses low. Specifically, the results
munication networks has been unstoppable, with releases of obtained are meant to be included to the radio planning suite
new systems appearing every few years. All of them have Xirio-Online, developed by Aptica Consulting, as a part of
brought in increased capabilities -essentially, throughput- in their strategy for keeping their products up with the latest
order to meet the raising urges of the customer base. In technologies available in mobile communications.
the late nineties Wideband Code Division Multiplexed Access The organization of the paper is as follows: in Section II
(WCDMA) emerged as the technology the radio access net- reasons behind the realization of this project are given. In
work should rely on for the next decade. WCDMA is used in Section III a detailed description of the simulator is presented,
third generation (3G) mobile communications systems such with a short overview of the multipath propagation model
as the Universal Mobile Telecommunications System (UMTS). used. In Section IV results obtained so far are shown, and
Despite the new features and capacity enhancements added by Section V exposes conclusions drawn from the project.
its latest releases1 , the capacity of the system can hardly reach II. R ELATED WORKS
dozens of Mbps. The 3GPP Long Term Evolution (LTE) is the
As has been previously stated, one of the main advantages
first fourth generation (4G) standard, and is called to be the
of LTE is that it can take advantage of the fast channel
successor to 3G systems and to improve its performance.
fluctuations that are due to multipath fading. The authors of
One of LTE’s main features is the different approach to
this paper had found that many commercial LTE planning
the use of the spectrum (compared to previous generations).
suites2 are not actually simulating the multipath channel,
It is based on the orthogonal frequency-division multiplexing
therefore not accurately modelling all the “scheduling gain”
(OFDM), which allows the network to allocate radio resources
LTE is capable of. The available documentation for all the
both in time and frequency. This, together with the use of
examined suites has no mention to algorithms or channel mod-
adaptive modulation and coding (AMC) techniques, leads
els considering multipath fading. The approaches proposed (if
to a new level of flexibility when scheduling several user
any) are essentially the same: adding a fixed throughput gain
equipment (UE) devices. Thus, an improvement on the average
to the one calculated using a round-robin scheduler. This work
throughput is obtained by the BS. To take full advantage of
is aiming at filling this gap.
this scheduling flexibility it is therefore essential to know the
detailed behavior of the channel, in other words: to charac- III. M ODEL
terize the channel as accurately as possible. This implies, of The case study is focused on the downlink of a frequency
course, some heavy computational effort. division duplex (FDD), single carrier LTE system. The case-
1 High-Speed Downlink Packet Access (HSDPA) in Rel. 5 and High-Speed 2 The gorup of considered suites includes recent versions of: Atoll, Mentum
Uplink Packet Access (HSUPA) in Rel. 6. Planet, Cellular Expert and ATDI CSI Telecom.
scenarios may vary between macrocell and microcell. Table 1 distributions are tuned to approximately match the dis-
shows other configurable parameters. tributions shown in [1]. Any user’s SINR also defines
The simulation process is based upon the following hypoth- its position within the cell coverage area.
esis and approximations: 3) Time and frequency changing multipath links are gen-
• A single cell is simulated, which is considered enough to erated for each user (in the form of channel coefficients
characterize the effects sought. arranged in channel matrices), including the specified
• The simulations should represent a time evolving channel. MIMO scheme (as explained in C).
• Different MIMO schemes are allowed. 4) Instant SINR is calculated from average SINR by using
• The following schedulers are considered: proportional the previously gathered channel coefficients.
fair (PF), round-robin (RR) and max-SINR (M-SINR) . 5) User computed channel quality indicator (CQI) is fed
• Traffic modeling: full buffer. There is always data await- back to the BS so that the scheduler can use it. The
ing to be transmitted to a certain user when scheduled. feedback modeling is intended to be realistic: a few
• In a first approach of the simulator only the downlink is milliseconds delay is simulated and the granularity of
considered. From a capacity perspective the downlink is the reports is several time-frequency slots (reporting a
far more interesting. CQI for each time and frequency resource would be
• Hybrid automatic repeat request (HARQ) gains are mod- unrealistic). This causes the scheduler not to have “per-
elled by including them in the used block error rate fectly accurate” information. The specific parameters
(BLER) tables. (time granularity and format) used for the CQI feedback
is the “eNodeB-configured”, as shown in [2] and [3].
A. Simulator description 6) The scheduler assigns time and frequency resources to
each user. A PF scheduler has been selected as the main
The simulator is implemented in Matlab and it is divided
scheduler although RR and M-SINR approaches are also
into two different parts: the core and the wrappers. The core
available.
consist of the files with the code that perform the actual cal-
7) When scheduling, the BS assigns a modulation an
culations (channel coefficients, schedulers, etc). The wrappers
coding scheme (MCS) to each user for transmitting.
are more heterogeneous pieces of code, some serve the purpose
8) Steps 4 to 7 are repeated until the configured simulation
of easing the deployment of multiple simulations, while others
duration is over.
are used to post-process the raw data, automate the information
gathering and summarize it into easy-to-understand schemes. C. Multipath fading and channel coefficients
All the parameters configurable by the user are shown in The simulator relies on an underlying multipath channel
Table 1. model, the 3GPP Spatial Channel Model (SCM) and its ex-
tension, the 3GPP Spatial Channel Model Extended (SCME).
Input parameter Possible values
Specifically, the Matlab implementations described in [4] and
Antenna schemes a × b, with a or b ≤ 2
[5] have been used and integrated in the simulator.
Scenario Macro (outdoor), Micro (outdoor)
As the authors state: “This channel model takes the multiple-
Number of UEs any ≥ 0
input multiple-output (MIMO) radio link parameters, model
Sampling time any ≥ 0 (def: 2 ms)
configuration parameters and antenna parameters as inputs and
Simulation lenght any ≥ 0
outputs the MIMO channel matrices”. Those channel matrices
Carrier frequency 0.8 GHz ≥ f ≥ 5 GHz
contain the channel coefficients for every possible spatial link
Frequency granularity any (def: 180 kHz)
(or path) between the base station and the user, for each user
Speed for all the users any ≥ 0
and for every time slot configured. A few subpaths within
Scheduler PF, RR or M-SINR
a path are also considered, each characterized by its unique
delay value (named τ ).
Table 1. Input parameters
Before digging further into the mathematical aspects related
to the processing of the SCME model output, we need to define
some parameters:
B. Simulation work flow
• u refers to the index of each antenna element in the
Each simulation involves several different steps that can be transmitting array (BS).
summed up in the following list: • s refers to the index of each antenna element in the
1) The user is prompted to configure all the required receiving array (MS).
parameters • k is the index of each user in the simulation.
2) Average signal to noise ratio (SINR) is generated for • n is the index of each time sample in which the simulation
each existing user from normal distributions (dB), with will take place. Each time sample corresponds to 2 ms.
both mean and variance tailored to the chosen case- • b is the index for each available frequency subbands
scenario. These SINR values should be understood as (frequency slots).
averages over fast multipath variations. The normal • d refers to the index of the existing delay subpaths.
• τ are the delay values associated to each d delay subpath. In the first case, the channel coefficients associated to each
From now on, the multidimensional channel matrix output link between the user and the BS are added in the form of
by the SCME Matlab implementation will be denoted as absolute square values. Eq. 2 shows this. This, essentially,
Cu,s,k,n,d . represents a maximal-ratio combining (MRC) technique as
SCM and SCME implementations don’t provide in an described in [6].
explicit way time and frequency channel coefficients (this is, U X
S
X
the time-varying frequency response of the channel). Those C1k,n,b = |Cu,s,k,n,b |2 (2)
models provide the impulse response of the channel, so some u=0 s=0
calculations need to be done from the data these actually pro-
In the second case, the channel coefficients are calculated by
vided. Time and frequency channel matrices are thus obtained
applying the singular value decomposition (SVD) technique
by applying the Fourier Transform (with respect to the delay
[6] to the appropriate channel coefficient matrix, described in
variable, τ ) to the channel matrix (Cu,s,k,n,d ), as is depicted
eq. 3.
in eq. 1.